يمكن لنموذج الذكاء الاصطناعي المدرب على البيانات المعقدة من الخلايا البشرية أن يوفر طريقا مختصرا في السباق لتطوير أدوية جديدة¹.

النهج, نشرت في 23 أكتوبر في علوم، يبني على وهو الاتجاه الذي يجتاح مجال اكتشاف الأدوية: استخدام الذكاء الاصطناعي لتسريع العملية الشاقة للصيد عبر مجموعات ضخمة من المركبات الكيميائية بحثًا عن تلك التي يمكن أن تصبح العلاج الكبير التالي.

يقول هونجكوي دينج، عالِم الأحياء الخلوي بجامعة بكين في بكين، والذي لم يشارك في العمل: «إنه مخطط قوي للمستقبل». “إنها تنشئ نظام فحص “ذكيًا” يتعلم من تجاربه الخاصة.”

طريقة شاقة

لعقود من الزمن، بحث الباحثون عن الأدوية من خلال شق طريقهم عبر مكتبات كيميائية كبيرة، واختبار تأثير كل مركب على الخلايا التي يتم زراعتها في المختبر. لقد حقق هذا النهج نجاحًا، حيث تم تحديد الأدوية التي تقتل الخلايا السرطانية، على سبيل المثال.

ويحلم الباحثون على نحو متزايد بطرق فحص أكثر تعقيدًا يمكن أن تستغل الانفجار الذي حدث في العقد الماضي البيانات الجينومية التي تم جمعها من الخلايا الفردية. من الناحية النظرية، يمكن لمثل هذه الأساليب تقييم كيفية تأثير المركبات على شبكات كاملة من النشاط الجيني، وهو اختبار يمكن أن يفتح آفاقًا جديدة لاكتشاف الأدوية.

لكن الباحثين عادة ما يقومون بفحص عشرات الآلاف من المركبات أو أكثر لاكتشاف الأدوية، كما يقول أليكس شاليك، مهندس الطب الحيوي في معهد ماساتشوستس للتكنولوجيا في كامبريدج. ويقول إن دمج مثل هذه الشاشات الكبيرة مع فحوصات معقدة سيكون أمرًا مكلفًا للغاية، وشاقًا للغاية.

ولإيجاد طريقة سهلة الاستخدام لتسخير البيانات الجينومية المتاحة حديثًا، تعاون شاليك مع باحثين آخرين وشركة Cellarity، وهي شركة للتكنولوجيا الحيوية في سومرفيل، ماساتشوستس. (شاليك هو أيضًا مستشار مدفوع الأجر للشركة). وقام الفريق معًا بتدريب نموذج التعلم العميق المسمى DrugReflector على البيانات المتاحة للجمهور حول كيفية قيام كل مركب من المركبات الكيميائية البالغ عددها حوالي 9600 بإحداث اضطراب في نشاط الجينات في أكثر من 50 نوعًا من الخلايا.

استخدموا DrugReflector للعثور على المواد الكيميائية التي يمكن أن تؤثر على توليد الصفائح الدموية وخلايا الدم الحمراء، وهي خاصية يمكن أن تكون مفيدة في علاج بعض أمراض الدم. ثم قاموا باختبار 107 من هذه المواد الكيميائية لتحديد ما إذا كان لها التأثير المتوقع.

بشكل عام، وجد الفريق أن DrugReflector كان أكثر فعالية بما يصل إلى 17 مرة في العثور على المركبات ذات الصلة من فحص الأدوية القياسي باستخدام القوة الغاشمة الذي يعتمد على اختيار المركبات عشوائيًا من مكتبة كيميائية. وعندما عاد الباحثون لدمج البيانات من الجولة الأولى من الفحص في النموذج، تضاعف معدل نجاحه.